抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像異なるサイズに調節する画像リターゲティング技法は最近多くの注目を集めている。画像再標的化の客観的品質評価(OQA)の結果は,最良の結果を自動的に選択するために,しばしば望まれる。既存OQA法は各再標的化画像の絶対スコアを出力と異なる結果を比較するためにこれらのスコアを用いた。,異なるソース画像の再標的化結果の一貫したスコアを与えるヒト被験者に対しても挑戦的であることを,本論文では,同じソース画像を再標的化画像のセットのランキングを予測する学習ベースOQA法を提案した。はこのより管理可能なタスクはヒト選好に一貫した予測を達成するのを助けると最も応用シナリオに十分であることを示した。ランキングを計算するために,著者らは七精巧なOQAメトリックスの組合せをモデル化するための一般回帰ニューラルネットワーク(GRNN)を用いた簡単でしかも効率的な機械学習フレームワークを提案した。GRNNから出力大域的ランキングに相対的スコアを変換する簡単なスキームを提案した。精巧なRetargetMeベンチマークで採取したヒト選好データを用いたGRNNモデルを訓練し,RetargetMeにおける主観的研究に基づいて,この方法を評価した。さらに,異なるOQA法の一般化可能性を評価するためにさらに主観的ベンチマークを紹介した。実験結果は筆者らの手法が順位予測における八種の代表的なOQA法よりも優れており,異なるデータセットへのより良い一般化可能性を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】